ul>
Depuis janvier 2020, COVID-19 a touché plus de 200 millions de personnes dans le monde. La détection rapide des infections par le SRAS-CoV-2 pourrait réduire le taux d'infection et potentiellement améliorer les résultats pour les patients.
Dans une étude récente, publiée dans The Lancet, les chercheurs ont atteint un taux de réussite de 80 % dans la détection de l'infection par le SRAS-CoV-2 en utilisant les symptômes que les individus avaient signalés dans les 3 jours suivant l'apparition.
Contenir la propagation du virus SARS-CoV-2 dépend d'un diagnostic et d'un traitement rapides.
Des chercheurs du King's College de Londres ont maintenant développé un modèle qui pourrait prédire l'infection sur la base des premiers symptômes auto-déclarés.
Dans leur étude, ils ont également recherché des combinaisons de symptômes qui seraient une indication précoce d'une infection.
L'étude a utilisé un vaste ensemble de données de près de 200 000 participants qui ont déclaré des symptômes via l'application COVID Symptoms Study. L'application est une application de santé mobile développée par ZOE à Londres, avec la collaboration de scientifiques du King's College London au Royaume-Uni et du Massachusetts General Hospital de Boston.
Le Dr Claire Steves, l'un des auteurs de l'étude et maître de conférences clinique au King's College de Londres, considère les données que l'équipe a collectées à partir de l'application comme un moyen de réunir les patients, les travailleurs de la santé et les chercheurs. Dans une interview avec The Conversation, elle déclare : « Les chercheurs de tout le pays peuvent utiliser ces données pour mieux cartographier la maladie. »
Alors que d'autres modèles de diagnostic se concentrent sur les informations que les chercheurs ont recueillies au plus fort des symptômes, ce modèle récent utilise les 3 premiers jours de symptômes autodéclarés.
Lorsqu'il est optimisé, le modèle peut servir de proxy pour le diagnostic clinique, indiquant la nécessité d'un test par écouvillonnage ou d'un auto-isolement en attendant les résultats d'un test.
L'étude a identifié des ensembles de symptômes que la communauté médicale peut utiliser pour caractériser les premiers signes d'infection dans différents sous-groupes de la population. Les symptômes les plus pertinents indiquant les premiers signes de COVID-19 comprennent la perte d'odorat, des douleurs thoraciques, une toux persistante, des douleurs abdominales, des cloques sur les pieds, des douleurs oculaires et des douleurs musculaires inhabituelles.
Des études antérieures incluaient la fièvre et la perte d'appétit comme symptômes pertinents pour une identification précoce. Cependant, les résultats de cette étude indiquent que ces deux symptômes ne sont pas pertinents pour la prédiction précoce de la maladie.
Les chercheurs ont noté certaines différences entre les sexes en ce qui concerne les symptômes signalés. Il y avait également des indications de différences de symptômes entre les travailleurs de la santé et les non-soignants et entre les différents groupes d'âge.
Par exemple, le symptôme de perte de l'odorat était moins pertinent chez les personnes de plus de 60 ans et n'était pas du tout applicable chez les personnes de 80 ans ou plus.
Le Dr Marc Modat, maître de conférences au King's College de Londres et dernier auteur de l'étude, déclare :
« Dans le cadre de notre étude, nous avons pu identifier que le profil des symptômes dus au COVID-19 diffère d'un groupe à l'autre. Cela suggère que les critères pour encourager les gens à se faire tester devraient être personnalisés en utilisant les informations des individus, telles que l'âge. »
Les auteurs ont identifié plusieurs limites, dont l'une est liée à l'âge des participants. Comme l'étude a utilisé une application de téléphonie mobile pour collecter les données de l'étude, il est fort probable que la population étudiée était biaisée en faveur des participants plus jeunes.
Parmi les autres limites, citons l'aspect autodéclaré de la collecte de données. Il peut y avoir eu des cas de personnes surestimant leurs symptômes ou se souvenant de manière inexacte des 3 premiers jours de symptômes. De plus, tous les participants venaient du Royaume-Uni, ce qui a peut-être limité l'étude, car de nombreuses caractéristiques de la population peuvent varier fortement d'un pays à l'autre.
le Dr Jack O'Horo, médecin et chercheur spécialisé dans les maladies infectieuses à la Mayo Clinic, a reconnu l'utilité potentielle du signalement précoce des symptômes via une application.
Cependant, il a mis en garde : «Nous devons nous rappeler que la transmission asymptomatique est un risque important, en particulier au début de la maladie. Ce [artificial intelligence] peut raisonnablement faire partie d'une approche de protection en couches, mais ne devrait pas être la seule mesure de protection.
Même s'il existe des limites, les résultats de l'étude montrent la valeur de l'intelligence artificielle dans la détection rapide des infections au SRAS-CoV-2.
"Actuellement, au Royaume-Uni, seuls quelques symptômes sont utilisés pour recommander l'auto-isolement et des tests supplémentaires", a déclaré le Dr Liane dos Santos Canas, auteur de l'étude du King's College de Londres.
"En utilisant un plus grand nombre de symptômes et seulement après quelques jours de malaise, en utilisant l'IA, nous pouvons mieux détecter [SARS-CoV-2] cas positifs. Nous espérons qu'une telle méthode sera utilisée pour encourager davantage de personnes à se faire tester le plus tôt possible afin de minimiser le risque de propagation. »
